Hadoop,大数据离不开它
搭建数仓,hadoop虽然有点落伍,但还是不可或缺的。本文描述下单机版的hadoop运作机制。 HDFS是Google GFS的开源实现,是一个分布式文件系统,是大数据技术的基石,直接上架构图: 主要包含Namenode和Datanodes,MapReduce主要就是在Datanodes进行并行计算。 core-site.xml: fs.defaultFS Ha; hdfs://localhost:8001 hadoop.tmp.dir /root/hadoop-3.2.2/tmp 其中8001端口就代表hdfs的根路径,另外hdfs-site.xml配置参数也非常多。 比如dfs.doreplication表示hdfs副本集,单机版就设置1;dfs.namenode.http-address是NameNode web管理地址,可以查看hdfs的一些情况;dfs.datanode.address是DataNode的端口;dfs.namenode.name.dir和dfs.namenode.data.dir表示Namenode和Datanodes的存储目录,默认继承于hadoop.tmp.dir值。 如果修改目录相关的参数,op需要格式化hdfs: $ bin/hdfs namenode -format 经验就是建议删除dfs.namenode.data.dir下的文件,再格式化。 一旦hdfs可用,操作它们就像操作本地文件一样: #创建登陆用户的根目录,有了根目录,则不需要指定hdfs://前缀 $ ./bin/hdfs dfs -mkdir -p &,大nbsp;"hdfs://localhost:8001/user/root" $ ./bin/hdfs dfs -mkdir -p test2 $ ./bin/hdfs dfs -put ~/test.log hdfs://localhost:8001/test $&数据nbsp;./bin/hdfs dfs -put ~/test.log test2 $ ./bin/hdfs dfs -ls test2 $ ./bin/hdfs dfs -cat test2/test.log 接下去说说MapReduce,主要包含map和离不reduce过程,另外不能忘记shuffle,map相对于从hdfs dataNodes处理数据,然后shuffle将相关联的数据交给reduce进行处理。 运行MapReduce过程很简单: $ bin/hdfs dfs -mkdir input $ bin/hdfs dfs -put etc/hadoop/*.xml input 开它;# 将mapreduce任务执行的结果放入 hdfs output 目录中 $ bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.2.jar grep input output 'dfs[a-z.]+' bHain/hdfs dfs -cat output/* 早期的MapReduce即包含计算框架,又包含调度框架,比较臃肿,比如想在当前集群运行另外一种计算任务,就不方便了,所以后来从MapReduce中将调度框架抽取出来,命名为Yarn,这样不管是MapReduce还是Spark只要符合Yarn接口定义,就能被Yarn调度,MR和Spark专做做分布式运算,相当于解耦了。 Yarn的架构图如下: 主要包do括ResourceManager和NodeManager,另外为了分布式运算NodeManager一般和HDFS的DataNodes运行在一起。 ResourceManager主要包含Scheduler和ApplicationsManager。 修改yarn-site.xml: yarn.nodemanager.aux-services &nopbsp; mapreduce_shuffle yarn.resourcemanager.webapp.address 0.0.0.0:7088 其中,mapreduce_shuffle表示调度MapReduce任务,7088 是Yarn的Web管理,大地址;当然Yarn还有很多的参数。 修改 mapred-site.xml: mapreduce.framework.name yarn mapreduce.framework.name的值yarn表示MapReduce使用Yarn调度。 然后执行yarn调度: $ bin/yarn jar数据 ./share/hadoop/mapreduce/hadoop-mapreduce-examples-3.2.2.jar grep input output 'dfs[a-z.]+' 只是将上面的hadoop修改为yarn,不过结果测试,不管怎么写,yarn都是生效的,通过yarn Web UI能看出来。 另外我是以root运行的,所以sbin下的一些sh文件要修改: HDFS_DA离不TANODE_USER=root HDFS_DATANODE_SECURE_USER=root HDFS_NAMENODE_USER=root HDFS_SECONDARYNAMENODE_USER=root 最后的启动命令: $ ./sbin/start-all.sh $ ./sbin/stop-all.sh 参考链接: https://kontext.te开它ch/column/hadoop/265/default-ports-used-by-hadoop-services-hdfs-mapreduce-yarn https://hadoop.apache.org/docs/r3.2.2/hadoop-project-dist/hadoop-common/SingleCluster.html
- 最近发表
- 随机阅读
-
- Google量子计算AI实验室大公开,并分享了未来十年的路线图
- Facebook宣布三项措施:帮助全球5000万人接种疫苗
- 牵手阿里云!奇瑞发布首款汽车生态品牌
- FriendliAI 获得 2000 万美元融资,AI 模型推理效率提升
- 松茸是野生的还是人工种的
- 《Kubernetes》,你需要掌握的 Service 和 Ingress
- 标签: OriginFlow 秦深涛 具身智能 渊澈太初
- 标签: 国铁集团 CR450 渝厦高铁 铁水联运
- 标签: 快手 郭亮 陈彬 短视频技术
- 七种NAS加密做法帮助保护数据
- 标签: 默克 罗杰仁 生命科学 医药健康
- 标签: 凤凰新媒体 凤凰网 财报 数字阅读
- 标签: OpenAI 谷歌 Albert Lee ChatGPT
- 谷歌母公司Alphabet将于7月28日发布2021年第二季度财报
- 亚马逊清理云服务内容 违反规定将被删除
- IDC:火山引擎跃居生成式AI IaaS市场份额第一
- 详解大数据开发-HDFS入门
- WSL 支持运行 AI 训练任务以及 Linux GUI 应用
- ARM 挖角亚马逊高管,推进自研芯片计划
- 美国政府继续“死咬”谷歌:美司法部索取更详细搜索垄断数据
- 搜索
-
- 友情链接